合成孔径雷达图像变化检测是指通过分析同一地区不同时相的两幅SAR图像，检测出该地区地物的变化信息。近年来，SAR图像变化检测已经用于很多方面，如灾害监测和评估、水资源质量和地理分布情况调查、气候的变化监测、土地利用和土地覆盖变化以及军事目标检测等。本论文针对两时相SAR图像变化检测进行了研究，主要包括以下三个方面：（1）针对现有变化检测方法中差异图构造问题，提出一种基于欧式距离的邻域信息采集方法，对邻域内的像素点的权值做改动，将此方法加入到差值法和比值法的差异图构造之中，最后采用代数运算的融合规则将二者融合。实验结果表明，与传统的差异图相比，该方法获得的差异图能够更好的抑制背景信息，提高变化类和非变化类之间的对比度。（2）针对现有检测方法中差异图的模型构造过于单一、不能完全符合变化类和非变化类中像素的分布这一问题，提出了一种基于混合模型构造的SAR图像变化检测方法。混合模型构造方法是将差异图中的非变化类用高斯模型拟合，而变化类采用广义高斯分布模型拟合，该方法在一定程度上减少了错检个数，提高了检测总正确率。与传统单一模型检测方法进行实验对比，实验结果表明，该方法获得了较好的变化检测结果。（3）提出了一种基于量子粒子群全局寻优最佳分类阈值和两时相联合分类的SAR图像分类后比较法。该方法首先利用量子粒子群强大的全局寻优能力分别对两时相SAR图像分类，再利用两时相图像的相似性矩阵得到相似度阈值，根据这一阈值对两时相图像联合分类，最后得到变化检测结果。该方法不但提高了单幅图像的检测精度，而且通过相似度阈值将同一地物信息在不同时相的图像划分为相同的类别信息，大大减少了由于独立分类引起的分类累计误差，从而降低了变化检测结果中的漏检数和错检数，提高了总正确率，并确定了变化信息的类型，与客观的变化信息类型接近。